Actividad 10.

Solución de problemas

NOMBRE: Devany Yaretzi Villarreal Rodríguez

ASIGNATURA: Epidemiología y Bioestadística
LICENCIATURA: Licenciatura en Nutrición
SEMESTRE: 6to semestre
FECHA DE ENTREGA: 16-abril-2023

Epidemiología y bioestadística 1
 Actividad 10. Solución de problemas

OBJETIVO Determinar los cálculos para la solución de los problemas que se presentan sobre correlación
en Estadística aplicada a problemas en salud.

Unidad 4. Correlación
4.2 Regresión lineal
TEMA
4.3 Regresión lineal múltiple

Instrucciones:
1. Revisa el material sugerido
2. Lee detenidamente los problemas que a continuación se presentan
3. Elabora la actividad en el procesador de textos
4. Incorpora al inicio del documento una portada que incluya el nombre de la
universidad, asignatura, título del trabajo, fecha de entrega y tu nombre

Epidemiología y bioestadística 2
1. Un investigador está interesado en tratar de explicar la variación en las presiones arteriales que ocurren entre los
hombres adultos. Con este fin, el investigador reúne datos sobre:

• El ejercicio diario promedio, medido en horas (×1)

• La edad (×2)

• El peso, medido en kg (×3) para 74 sujetos.

La variable resultante (y) es la presión arterial sistólica. El modelo (ficticio) producido por estos datos tiene una R2 de
.2106 y es como sigue:

Y = 33.5522 + .1710×1 + .1033×2 + .4471×3

De acuerdo con los datos y ecuación indicada, resuelve las siguientes preguntas, indicando lo siguiente:

• Sustitución de los parámetros en la ecuación.

• Resultado obtenido de las operaciones matemáticas requeridas.
• Interpretación argumentada conceptualmente del resultado obtenido (descrito con tus palabras).

a) ¿Cuál sería la presión arterial sistólica para un hombre de 32 años que se ejercita en promedio dos horas
diarias y pesa 78 kg?

De acuerdo con los datos y ecuación indicada, resuelve las siguientes preguntas, indicando lo siguiente:
• Sustitución de los parámetros en la ecuación:
o X1: 2 horas
o X2: 32 años de edad
Epidemiología y bioestadística 3
 o X3: 78 kg

Y= 33.5522 + (0.1710*2) + (0.1033*32) + (0.4471*78) =

• Resultado obtenido de las operaciones matemáticas requeridas: 72.07 TAS

• Interpretación argumentada conceptualmente del resultado obtenido (descrito con tus palabras): la variable
resultante de la operación es la presión arterial sistólica calculada mediante el horas de ejercicio diario promedio,
la edad y el peso del sujeto por lo que entre mas joven y un peso más bajo, el resultado será menos elevado.

b) ¿Cuál será el valor previsto para un hombre de la misma edad que también se ejercita en promedio una
hora diaria pero que pesa 94 kg?

De acuerdo con los datos y ecuación indicada, resuelve las siguientes preguntas, indicando lo siguiente:
• Sustitución de los parámetros en la ecuación:
o X1: 1 hora
o X2: 32 años de edad
o X3: 94 kg

Y= 33.5522 + (0.1710*1) + (0.1033*32) + (0.4471*94) =

• Resultado obtenido de las operaciones matemáticas requeridas: 79.05 TAS

• Interpretación argumentada conceptualmente del resultado obtenido (descrito con tus palabras): la variable
resultante es la presión arterial sistólica que se calculo mediante horas de ejercicio diario promedio, edad y peso
por lo que se demuestra que entre mas elevado sea el peso más elevado resultara la TAS.

Epidemiología y bioestadística 4
 c) ¿Qué significa el valor b3 = .4471?, argumenta conceptualmente y con tus palabras la respuesta.
Significa que por cada kg que el sujeto incremente de peso, la presión arterial incrementa un 0.4471 mmHg, esto si
ambas variables, b1 y b2 permanecen constantes.

d) Pruebe la significancia del modelo

• Muestra la ecuación para determinar el valor de : R2= SC Regresión/SC Total

• Presenta la sustitución en la ecuación los parámetros del problema: SST = SSE (Suma de Cuadrados del
Error) + SSR (Suma de Cuadrados De Regresión) =

• Realiza las operaciones matemáticas:

El resultado de R2= 0.2106 X 100 = 21-06%

e) Interpreta con argumentos conceptuales y con tus palabras, el resultado de esta prueba.

El resultado que se obtuvo es considerado bajo, lo que significa que hay poca correlación lineal
entre las variables seleccionadas. Esto se demuestra con una significancia alejada al 100% por lo
que la TAS no sufre cambios tan drásticos en relación de las variables.

Epidemiología y bioestadística 5
2. Un investigador interesado en la relación entre el índice de masa corporal (IMC) y el colesterol sérico desea ajustar un
modelo de RLS (regresión lineal simple) en el que el colesterol sérico total puede predecirse a partir del IMC con los
siguientes datos (utilízalos para responder los planteamientos o incisos que se solicitan):

Colesterol IMC
total
165 25.9
155 20.1
141 22.2
228 30.7
190 28.0
155 29.4
132 20.2
170 20.7
188 26.3
150 18.2

a) Construye un modelo de RLS.

• Describe el proceso, paso a paso, para obtener la ecuación del modelo RLS:
1. Se debe establecer cuáles son los valores de una variable dependiente (Y) y los valores de una variable
independiente (X).
2. Se ingresa a la calculadora de regresión lineal o se realiza el grafico en Excel.
3. Se establecen os valores de X y Y.
4. Se selecciona la información y se inserta un gráfico de correlación lineal.

• Muestra la ecuación del modelo RLS obtenida:

Epidemiología y bioestadística 6
 Colesterol IMC
total
X Y
165 25.9
155 20.1
141 22.2
228 30.7
190 28.0
155 29.4
132 20.2
170 20.7
188 26.3
150 18.2

b) Encuentra los residuales para los primeros 3 sujetos.

• Muestra la ecuación para determinar los valores residuales: Y Residual= Y esperada – colesterol total =

• Presenta la sustitución en la ecuación los parámetros del problema:

Sujetos Colesterol total IMC (X) Y Esperada

#1 165 25.9 8.5024
#2 155 20.1 7.8603
#3 141 22.2 8.0928

1. Y residual: 8.5024 - 165 =

2. Y residual: 7.8603 - 155 =
3. Y residual: 8.0928 - 141 =

• Realiza las operaciones matemáticas:

Epidemiología y bioestadística 7
 1. Y residual: 8.5024 - 165 = -156.49
2. Y residual: 7.8603 - 155 = -147.13
3. Y residual: 8.0928 - 141 = -132.90

c) Encuentra los coeficientes de determinación y no determinación:

• Muestra la ecuación para calcular los coeficientes de determinación y no determinación:

o Coeficiente de determinación R2: Y= 0.1107x + 5.6353 =
o Coeficiente de no determinación R2: Y= 0.9877 – 6.2591 =

• Realiza las operaciones matemáticas:

o Coeficiente de determinación R2: Y= 0.1107x + 5.6353 = 0.4999 o 49%
o Coeficiente de no determinación R2: Y= 0.9877 – 6.2591 = 0.9998 o 99%

d) Prueba la hipótesis H0 : R2 = 0

• Describe el proceso, paso a paso, para probar la hipótesis H0: R2 = 0:

1. Se identifica B0 (Y) y B1 (X)
2. Se identifica la formula: B0+B1(X)
3. Se realizan las operaciones:
o Y= 0.4999 + (0.1107)(25) = 3.26
o Y= 0.4999 + (0.1107)(35) = 4.37
4. Se analizan los resultados

• Interpreta correctamente y argumenta conceptualmente con sus palabras: la hipótesis se rechaza ya que al
momento de haber un cambio en el IMC obtenido se observa una variación en las concentraciones obtenidas de
colesterol total.

e) Prueba la hipótesis H0 : β = 0

• Describe el proceso, paso a paso, para probar la hipótesis H0: β = 0:

Epidemiología y bioestadística 8
 1. Se identifican las fórmulas:

2. Se revuelven las fórmulas:

3. Se analizan resultados

• Interpreta correctamente y argumenta conceptualmente con sus palabras: se comprueba que hay una
correlación lineal porque se aprueba la hipótesis alternativa al caer fuera de los valores críticos

f) Construye un intervalo de confianza bilateral del 95% para el cálculo de β. ¿Este intervalo de confianza
concuerda con el resultado de sus pruebas de hipótesis? Explica con argumentos conceptuales
parafraseados.
• Describe el proceso, paso a paso, para construir el intervalo de confianza conforme a las indicaciones:
1. Calcular a: a=0.05/2 = 0.025
2. Identificar grados de libertad: n-2: 10-2 =8
3. Interpretar tc: es igual a 2.306
4. Resolver valores críticos:
o +3.680 = 8.19
o 4.51-3.680 = 0.83

• Interpreta correctamente y argumenta conceptualmente con sus palabras: los valores obtenidos son 8.19 y
0.83 determinando que la tc esta dentro de los valores críticos obteniendo como resultado que no hay correlación
entre las variables.
Epidemiología y bioestadística 9
REFERENCIAS BIBLIOGRÁFICAS:

• Centers for Disease Control and Prevention. (2019). Visual Dashboard; Performing Statistical Analyses with Visual Tools.
[sitio web]. U.S Departament of Health & Human Services. Recuperado de https://www.cdc.gov/epiinfo/user-guide/visual-
dashboard/visualdashboardintro.html
• EpiInfoChannel. (2012). Epi Info 7 Linear regression analysis. [archivo de video]. Recuperado de
https://www.youtube.com/watch?v=A7R1rjjHb98
• Henquin, R. (2013). Epidemiología y estadística para principiantes [versión electrónica]. Recuperado de
https://elibro.net/es/lc/uvm/titulos/76940
• Organización Panamericana de la Salud. (2011). Módulo de Principios de Epidemiología para el Control de Enfermedades
(MOPECE): Unidad 2. Salud y enfermedad en la población (2ª ed.) [versión electrónica]. Recuperado de
https://www.paho.org/col/index.php?option=com_docman&view=download&category_slug=publicaciones-ops-oms-
colombia&alias=854-mopece2&Itemid=688
• Pulido, J. (Productor). (27 de febrero de 2014). Correlación y Regresión Lineal Simple [archivo de video]. Recuperado de
https://www.youtube.com/watch?v=E4oVu8i-pnU&t=299s

Epidemiología y bioestadística 10